Elvis 详解新原语 Jev:为 Agent harness 解锁更便宜的扩展策略
omarsar0 · x · 2026-09-20
omarsar0 分享了他将 Jev 集成到自建 agent harness 中的初步体验，认为时间线上多数 demo 只展示了 Jev 快和便宜，真正值得关注的是它作为新原语能解锁什么。
他的核心观点：
- 不是替代而是加速：Jev 应与现有 test-time compute 策略互补，开启新的 scaling 策略，而非与标准 LLM 竞争。
- 更便宜更快的工作流：分类器、控制流、需要确定性的环节、大规模打标，用 Jev 比标准 LLM 更合适，有助于扩展 agent harness。
- 可靠性提升：智能决策、动态工作流的结构化智能、按需呈现上下文的新策略（工具调用、skill 元数据等）。
- 新 agent 体验：动态 UI、高效 LLM council、智能路由与编排、更主动的 proactive agent。
- 评估与验证：他认为 Jev 可能是做 LLM-as-a-Judge 和构建 agent verifier 的正确原语，还可能用于合成高质量数据、加速模型与 harness 的共同进化（RSI 方向）。
作者表示详细指南即将发布。
所属事件:Elvis 实测 Jev：新原语解锁 Agent 更多玩法(4 条相关)→
「编程与Agent」频道最新
- 决策模型 Jev 免费上线 Venice API:只回类型化答案不写散文 — 0xAllen_ · 2026-09-20
- 家长用 Claude skill 自动抓历史课延伸读物并预约图书馆取书 — nwilliams030 · 2026-09-20
- 用单个 Rust megakernel 在终端里渲染整个 Google 地图 — bilawalsidhu · 2026-09-20
- 博主晒编码模型+工具栈：Kimi K3 最佳开源，Claude Code 翻倍烧钱 — Yuchenj_UW · 2026-09-20
- 用 Jev 做实体消解：成本降 99.56%，吞吐升 7.35 倍，附 prompt 与踩坑 — hrishioa · 2026-09-20
- 9.9k 星开源项目:纯 PyTorch 从零训练并对齐你自己的 LLM — tom_doerr · 2026-09-20